美国约翰斯・霍普金斯大学开发的AI竟能优于临床指南？咋回事

7月5日，IT之家报道，新华社最新消息称邢台市应急管理宣传教育培训中心，美国约翰斯・霍普金斯大学成功研发了一款新型多模态人工智能模型。该模型在识别心脏骤停高风险患者方面，表现显著优于现有的临床指导原则。相关研究成果已发表在最新一期的《自然-心血管研究》期刊上。

MAARS这款人工智能系统（IT之家注：其全称为“多模态AI室性心律失常风险分层系统”）整合了心脏磁共振成像技术与海量的健康档案资料，能够识别出以往难以发现的警示征兆，从而显著提升了心血管疾病风险预测的精确性。

研究主要针对肥厚型心肌病这一疾病。该病是一种普遍存在的遗传性心脏病，同时也是导致年轻人突然发生心脏停搏的重要原因之一。

约翰斯・霍普金斯大学担任生物医学工程教授的Natalia Trayanova，同时也是心血管AI研究的权威专家，她指出：“目前，我们面临的情况是，有些患者因缺乏必要的防护措施而在他们最宝贵的年华突然离世，而另一些患者则终身依赖除颤器，却几乎未能从中获得任何好处。幸运的是，我们现在已经能够精确地评估一个人是否正面临极高的风险。”

美国和欧洲现行的临床指南在评估高风险患者时的精确度大约为50%。然而，MAARS模型的整体精确度高达89%，尤其是在针对40至60岁这一风险最高的群体，其准确率更是上升到了93%。

该模型能够通过对比分析增强型MRI扫描所得的心脏瘢痕形态，揭示出心脏猝发停搏的重要信号。以往，医生对这类图像信息的解读较为困难，而现在，借助深度学习技术，这些信息已能被有效转化为可执行的风险评估指标。

约翰斯・霍普金斯大学在心脏电生理学领域的副教授Jonathan Chrispin指出，研究结果表明，MAARS模型在识别高风险患者方面比现有算法更为精确，并且具备从根本层面革新临床决策手段的潜力。

约翰斯・霍普金斯大学的研究团队有进一步扩大模型测试范围的打算，同时，他们还计划将这一算法应用于评估其他心脏疾病的风险，例如心脏结节病和致心律失常性右心室心肌病。